深度學習是機器學習的一個子集，通過模擬腦科學中神經元之間信息流的傳播方式，抽象出一種數學模型，他可以通過端對端（End-to-End）的訓練，從不同的抽象層級提取數據的本質特征，從而可以完成比較復雜的分類或回歸任務。眼神科技2012年開始探索將深度學習應用于人臉識別，并于2014年推出第一代基于深度學習的人臉識別算法。

技術實力

從大數據中自動學習特征，而非采用手工設計的特征

深度模型的表達能力更強，更有效率

基于人的臉部特征信息進行身份識別的一種生物識別技術。用攝像機或攝像頭采集含有人臉的圖像或視頻流，并自動在圖像中檢測和跟蹤人臉，進而對檢測到的人臉進行臉部的一系列相關技術，通常也叫做人像識別、面部識別。

技術實力

落地底庫超過9千萬

億級數據秒級響應

在農行、民生、交行、光大、郵儲、前海人壽等數十家機構實現大規模應用

指紋是指手指末端正面皮膚上凹凸不平的紋路。這段紋路蘊含了大量的特征信息，如紋形、模式區、核心點、三角點和紋數等總體特征；細節特征，端點、斷點、分叉點、三角點、核心點等稱為“特征點”的細節特征。指紋識別就是依靠總體特征和細節特征來確認一個人的身份。

技術實力

指紋識別算法和設備入選公安部居民身份證應用算法和設備的推薦名單

榮膺國家技術發明獎二等獎、北京市科學技術獎二等獎

指紋相關產品已通過美國FBI、印度STQC檢測認證

手指靜脈系統的原理是匹配手指內部靜脈的紋路圖。因為靜脈血管是隱藏在手指內部的，因此極難復制和盜取，與別的利用人體體外特征進行的技術相比較，這種方式的安全性更高。同時，因靜脈成像原理是血紅細胞對紅外光的系統情況，通過圖像傳感器獲取手指靜脈的圖像，利用算法進行圖像分析，進行活體識別檢測。

技術實力

滿足GA/T 939-2012安防指靜脈技術標準要求    

支持1：1指靜脈驗證和1：N指靜脈識別 

支持不同安全等級，1-5級可調，標準特征格式，兼容性強

人眼結構由鞏膜、虹膜、瞳孔三部分構成，而虹膜是位于黑色瞳孔和白色鞏膜之間的圓環狀部分，其包含有很多相互交錯的類似于斑點、細絲、冠狀、條紋、隱窩等的細節特征，這些特征可標識一個人的身份。虹膜識別技術是通過對比虹膜圖像特征之間的相似性來確定人們的身份。

技術實力

虹膜相關設備已通過印度STQC認證、

虹膜圖像遵循國際標準 ISO/IEC 19794-6

單核比對速度可高達150萬次/秒